一种多无人机协同感知方法技术

本发明专利技术提供一种多无人机协同感知方法，包括：获取多个无人机拍摄的图像数据，并将图像数据的图像特征转换为三维体素特征；对三维体素特征进行特征压缩处理，得到二维鸟瞰视角特征；分别确定每个无人机对应的支持掩码和请求掩码，并在多个无人机互相通讯时，选择目标无人机的请求掩码与协作无人机的支持掩码相交部分对应的二维鸟瞰视角特征进行数据传输；针对每个无人机，将三维体素特征与互相通讯时传输的二维鸟瞰视角特征进行融合处理，得到三维融合特征；对三维融合特征进行三维语义占用网格预测，得到多个无人机的协同预测结果。通过本申请，克服通过无人机进行三维场景语义理解时无法在有效捕捉丰富三维信息的同时尽可能减少通信数据量的缺陷。

【技术实现步骤摘要】

本专利技术涉及无人机协同感知，尤其涉及一种多无人机协同感知方法。

技术介绍

1、无人机正逐步应用于智慧城市、交通管理和应急响应等领域。然而，单个无人机的有限观测能力不足以满足这些应用需求。因此，协同预测技术成为提升预测精度和场景理解的重要手段。无人机协同预测通过整合来自多个视角的观测数据，有效克服了单个无人机系统的局限性，例如遮挡和观测范围有限，从而提升环境预测能力。

2、目前，主流的无人机协同预测方法依赖于将多个无人机的图像特征映射到统一的鸟瞰视角（bird-eye-view，bev）坐标系，并通过融合生成bev特征用于统一的三维目标检测。然而，bev特征缺乏高度信息，而三维信息在空中运动中比在地面车辆上更为关键，高度信息对无人机的应用至关重要。此外，基于bev的方法在遮挡场景或遇到未定义障碍物时难以有效推断，限制了其对三维场景的理解能力。三维语义占用网格通过体素网格表示环境的三维占用状态，包括占用状态和语义类别。基于占用的预测能够提供丰富的环境几何和语义信息，将占用预测应用于无人机协同场景相比地面车辆面临着独特的挑战。无人机通常在比地面车辆本文档来自技高网...

【技术保护点】

1.一种多无人机协同感知方法，其特征在于，包括：

2.根据权利要求1所述的多无人机协同感知方法，其特征在于，所述将所述图像数据的图像特征转换为三维体素特征，包括：

3.根据权利要求1所述的多无人机协同感知方法，其特征在于，所述对所述三维体素特征进行特征压缩处理，得到二维鸟瞰视角特征，包括：

4.根据权利要求1所述的多无人机协同感知方法，其特征在于，确定无人机的支持掩码的过程，包括：

5.根据权利要求1所述的多无人机协同感知方法，其特征在于，所述选择目标无人机的请求掩码与协作无人机的支持掩码相交部分对应的二维鸟瞰视角特征进行数据传输，包括：<...

【技术特征摘要】

1.一种多无人机协同感知方法，其特征在于，包括：

2.根据权利要求1所述的多无人机协同感知方法，其特征在于，所述将所述图像数据的图像特征转换为三维体素特征，包括：

3.根据权利要求1所述的多无人机协同感知方法，其特征在于，所述对所述三维体素特征进行特征压缩处理，得到二维鸟瞰视角特征，包括：

4.根据权利要求1所述的多无人机协同感知方法，其特征在于，确定无人机的支持掩码的过程，包括：

5.根据权利要求1所述的多无人机协同感知方法，其特征在于，所述选择目标无人机的请求掩码与协作无人机的支持掩码相交部分对应的二维鸟瞰视角特征进行数据传输，包括：

6.根据权利要求1所述的多无人机协同感知方法，其特征在于...

【专利技术属性】
技术研发人员：张兆翔，金小娟，陈文博，林泽夫，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：